DeepMind သည် ကျွန်ုပ်တို့၏ ဦးနှောက်များတွင်လည်း လုပ်ဆောင်နိုင်သည့် AI လေ့ကျင့်ရေးနည်းပညာကို ရှာဖွေတွေ့ရှိသည်။

DeepMind မကြာသေးမီက စက္ကူထုတ်ဝေခဲ့သည် အသစ်တီထွင်ထားသော အားဖြည့်သင်ကြားမှု အမျိုးအစားကို အသေးစိတ်ဖော်ပြခြင်းဖြင့် လူ့ဦးနှောက်အတွင်း ဆုလာဘ်လမ်းကြောင်းများ လည်ပတ်ပုံကို ရှင်းပြနိုင်စေပါသည်။ NewScientist မှဖော်ပြသည်။စက်သင်ယူမှုလေ့ကျင့်ရေးနည်းလမ်းကို ဖြန့်ချီရေးအားဖြည့်သင်ယူခြင်းဟုခေါ်တွင်ပြီး ၎င်းနောက်ကွယ်ရှိယန္တရားများသည် ဦးနှောက်အတွင်းရှိ အာရုံကြောများမှ dopamine ကို မည်သို့ထုတ်လွှတ်ကြောင်း ခိုင်လုံစွာရှင်းပြပုံရသည်။

အာရုံကြောသိပ္ပံနှင့် ကွန်ပျူတာသိပ္ပံတို့သည် အတူတကွ ရှည်လျားသော သမိုင်းကြောင်းရှိသည်။ 1951 ခုနှစ်လောက်ထိတော့ Marvin Minksy ဟာ ဝင်္ကပါတွေကို ဖြေရှင်းနိုင်တဲ့ ကွန်ပျူတာပရိုဂရမ်တစ်ခုကို ဖန်တီးဖို့ ဆုပေးစနစ်နဲ့ ပြစ်ဒဏ်တွေကို အသုံးပြုခဲ့ပါတယ်။ Minksy သည် ခွေးများသည် ဆုလာဘ်များ နှင့် ပြစ်ဒဏ်များ ဆက်တိုက် သင်ယူနိုင်သည်ဟု သရုပ်ပြခဲ့သော ဇီဝဗေဒ ပညာရှင် Ivan Pavlov ၏ လက်ရာဖြင့် လှုံ့ဆော်မှု ခံခဲ့ရသည်။ Deepmind ၏စာတမ်းအသစ်သည် dopamine နျူရွန်များ မည်သို့လုပ်ဆောင်နိုင်သည်ကို ထိုးထွင်းသိမြင်နိုင်စေရန်အတွက် အားဖြည့်သင်ကြားမှုအမျိုးအစားကို အသုံးပြုခြင်းဖြင့် အာရုံကြောသိပ္ပံနှင့် ကွန်ပျူတာသိပ္ပံ၏ ရောယှက်နေသောသမိုင်းကို ထပ်လောင်းဖြည့်စွက်ထားသည်။

လူတစ်ဦး သို့မဟုတ် တိရိစ္ဆာန်တစ်ဦးသည် လုပ်ဆောင်ချက်တစ်ခုလုပ်ဆောင်တော့မည်ဆိုပါက ဒိုပါမင်းထုတ်လွှတ်မှုအတွက် တာဝန်ရှိသော ၎င်းတို့၏ဦးနှောက်အတွင်းရှိ အာရုံကြောအစုအဝေးများသည် လုပ်ဆောင်ချက်အား မည်မျှအကျိုးရှိစေမည်ကို ခန့်မှန်းပေးသည်။ လုပ်ဆောင်ချက်ကို လုပ်ဆောင်ပြီးသည်နှင့် ထိုလုပ်ဆောင်ချက်၏ အကျိုးဆက်များ (ဆုလာဘ်များ) ကို ထင်ရှားပေါ်လွင်စေသောအခါ ဦးနှောက်သည် ဒိုပါမင်းကို ထုတ်လွှတ်သည်။ သို့သော်၊ ဤ dopamine ထုတ်လွှတ်မှုသည် ခန့်မှန်းချက်အမှား၏ အရွယ်အစားနှင့်အညီ အတိုင်းအတာဖြစ်သည်။ ဆုလာဘ်သည် မျှော်လင့်ထားသည်ထက် ကြီးသည်/ပိုကောင်းပါက၊ ဒိုပါမင်းဓာတ် ပိုမိုအားကောင်းလာမည်ဖြစ်သည်။ ဆန့်ကျင်ဘက်အားဖြင့်၊ ပိုဆိုးသောဆုသည် dopamine လျော့နည်းခြင်းကို ဖြစ်စေသည်။ dopamine သည် နျူရွန်များကို အမှန်တကယ် ရရှိသည့် ဆုလာဘ်များ ပေါင်းမစည်းမချင်း ၎င်းတို့၏ ခန့်မှန်းချက်များကို ချိန်ညှိပေးသည့် မှန်ကန်သော လုပ်ဆောင်မှုတစ်ခုအဖြစ် လုပ်ဆောင်သည်။ ၎င်းသည် အားဖြည့်သင်ယူမှု algorithms လည်ပတ်ပုံနှင့် အလွန်ဆင်တူသည်။

2017 နှစ်တွင် DeepMind သုတေသီများသည် အသုံးများသော အားဖြည့်သင်ကြားမှုဆိုင်ရာ အယ်လဂိုရီသမ်၏ အဆင့်မြှင့်တင်ထားသောဗားရှင်းကို ထုတ်ပေးခဲ့ပြီး၊ ဤသာလွန်ကောင်းမွန်သော သင်ယူမှုနည်းလမ်းသည် အားဖြည့်သင်ယူမှုလုပ်ငန်းများစွာတွင် စွမ်းဆောင်ရည်ကို မြှင့်တင်ပေးနိုင်ခဲ့သည်။ DeepMind အဖွဲ့သည် အယ်လဂိုရီသမ်အသစ်၏ နောက်ကွယ်ရှိ ယန္တရားများကို လူ့ဦးနှောက်အတွင်း dopamine အာရုံကြောများ မည်သို့လုပ်ဆောင်ကြောင်းကို ပိုမိုကောင်းမွန်စွာ ရှင်းပြရန် အသုံးပြုနိုင်မည်ဟု ယူဆခဲ့သည်။

အားဖြည့်သင်ကြားမှုဆိုင်ရာ အယ်လဂိုရီသမ်အဟောင်းများနှင့် ဆန့်ကျင်ဘက်အနေနှင့်၊ DeepMind ၏ အသစ်သော အယ်လဂိုရီသမ်သည် ဖြန့်ဖြူးမှုတစ်ခုအနေဖြင့် ဆုလာဘ်များကို ကိုယ်စားပြုသည်။ အသက်ကြီးသော အားဖြည့်သင်ကြားရေးချဉ်းကပ်မှုများသည် ခန့်မှန်းခြေဆုလာဘ်များကို ပျမ်းမျှမျှော်လင့်ထားသည့်ရလဒ်အတွက် ကိန်းဂဏန်းတစ်ခုမျှသာဖြစ်သည်။ ဤပြောင်းလဲမှုသည် မော်ဒယ်ကို ဖြစ်နိုင်ချေရှိသော ဆုလာဘ်များကို ပိုမိုတိကျစွာ ကိုယ်စားပြုစေပြီး ရလဒ်အနေဖြင့် ပိုမိုကောင်းမွန်စွာ လုပ်ဆောင်နိုင်စေခဲ့သည်။ လေ့ကျင့်ရေးနည်းလမ်းအသစ်၏ သာလွန်ကောင်းမွန်သောစွမ်းဆောင်ရည်ကြောင့် DeepMind သုတေသီများသည် လူ့ဦးနှောက်ရှိ dopamine အာရုံကြောများ အလားတူပုံစံဖြင့် လည်ပတ်မှုရှိမရှိ စုံစမ်းစစ်ဆေးရန် လှုံ့ဆော်ပေးခဲ့သည်။

ဒိုပါမင်း အာရုံကြောများ၏ လုပ်ဆောင်မှုများကို စုံစမ်းရန်အတွက် DeepMind သည် ကြွက်များရှိ dopamine အာရုံကြောများ၏ လုပ်ဆောင်ချက်များကို သုတေသနပြုရန် ဟားဗတ်နှင့် အတူ လုပ်ဆောင်ခဲ့သည်။ သုတေသီများသည် ကြွက်များကို အမျိုးမျိုးသောအလုပ်များလုပ်ဆောင်စေပြီး ၎င်းတို့၏ dopamine အာရုံကြောများ ပစ်ခတ်ပုံကို မှတ်တမ်းတင်ကာ အန်စာတုံးအလိပ်များကို အခြေခံ၍ ဆုများပေးခဲ့သည်။ မတူညီသော နျူရွန်များသည် ကွဲပြားသော ဖြစ်နိုင်ခြေရလဒ်များကို ခန့်မှန်းကာ ဒိုပါမင်း ပမာဏ အမျိုးမျိုးကို ထုတ်လွှတ်သည်။ အချို့သော နျူရွန်များသည် အမှန်တကယ်ဆုငွေထက် နိမ့်သည်ဟု ခန့်မှန်းကြပြီး အချို့သောဆုများသည် အမှန်တကယ်ဆုထက် ပိုများသည်ဟု ခန့်မှန်းကြသည်။ ဆုပေးပွဲများ၏ ခွဲဝေမှုကို ဂရပ်ဖစ်ထုတ်ပြီးနောက်၊ ခန့်မှန်းချက်များ ဖြန့်ဝေမှုသည် စစ်မှန်သော ဆုပေးဝေမှုနှင့် အတော်လေးနီးစပ်ကြောင်း သုတေသီများက တွေ့ရှိခဲ့သည်။ ဦးနှောက်သည် ကြိုတင်ခန့်မှန်းမှုများပြုလုပ်ခြင်းနှင့် ပိုမိုကောင်းမွန်ကိုက်ညီသည့်အဖြစ်မှန်သို့ ကြိုတင်ခန့်မှန်းမှုများကို ချိန်ညှိသည့်အခါ ဦးနှောက်သည် ဖြန့်ဝေမှုစနစ်တစ်ခုကို အသုံးပြုကြောင်း အကြံပြုထားသည်။

လေ့လာမှုသည် အာရုံကြောသိပ္ပံနှင့် ကွန်ပျူတာသိပ္ပံနှစ်မျိုးလုံးကို အသိပေးနိုင်သည်။ လေ့လာမှုသည် ပိုမိုအဆင့်မြင့်သော AI မော်ဒယ်များကို ဖန်တီးသည့်နည်းလမ်းအဖြစ် ဖြန့်ဖြူးရေးအားဖြည့်သင်ကြားမှုကို အသုံးပြုခြင်းကို ပံ့ပိုးပေးပါသည်။ ထို့ အပြင်၊ ၎င်းသည် ဆုပေးစနစ်များနှင့်ပတ်သက်၍ ဦးနှောက်လည်ပတ်ပုံဆိုင်ရာ ကျွန်ုပ်တို့၏သီအိုရီများအတွက် သက်ရောက်မှုရှိနိုင်သည်။ ဒိုပါမင်း အာရုံကြောများကို ဖြန့်ဝေပြီး အချို့မှာ အခြားသူများထက် အဆိုးမြင် သို့မဟုတ် အကောင်းမြင်ပါက၊ အဆိုပါ ဖြန့်ဝေမှုများကို နားလည်ခြင်းက စိတ်ကျန်းမာရေးနှင့် လှုံ့ဆော်မှုကဲ့သို့သော စိတ်ပညာဆိုင်ရာ ကဏ္ဍများကို ကျွန်ုပ်တို့ မည်သို့ချဉ်းကပ်ပုံကို ပြောင်းလဲစေနိုင်သည်။

MIT Technology View တွင်ဖော်ပြထားသည့်အတိုင်းဖြစ်သည်။DeepMind မှ အာရုံကြောသိပ္ပံသုတေသန ဒါရိုက်တာ Matt Botvinik က သတင်းစာ ရှင်းလင်းပွဲ၌ တွေ့ရှိချက်၏ အရေးပါပုံကို ရှင်းပြခဲ့သည်။ Botvinik ကပြောပါတယ်

“ဦးနှောက်က သုံးနေတယ်ဆိုရင် ဒါဟာ ကောင်းမွန်တဲ့ အကြံဉာဏ်ဖြစ်နိုင်ပါတယ်။ ၎င်းသည် ကျွန်ုပ်တို့အား လက်တွေ့ကမ္ဘာအခြေအနေများတွင် အတိုင်းအတာပေးနိုင်သော တွက်ချက်မှုဆိုင်ရာနည်းပညာတစ်ခုဖြစ်ကြောင်း ကျွန်ုပ်တို့ကိုပြောပြသည်။ ၎င်းသည် အခြားသော ကွန်ပြူတာ လုပ်ငန်းစဉ်များနှင့် ကောင်းစွာ အံဝင်ခွင်ကျ ဖြစ်ပါမည်။ ၎င်းသည် ကျွန်ုပ်တို့၏နေ့စဉ်ဘဝတွင် ကျွန်ုပ်တို့၏ဦးနှောက်တွင်ဖြစ်ပျက်နေသည့်အရာအပေါ် ရှုထောင့်အသစ်တစ်ခုပေးသည်"